نمونه گیری تصادفی ساده

نمونه گیری تصادفی ساده

نمونه گیری تصادفی ساده ، نمونه گیری تصادفی ساده یک روش آماری است که در آن همه افراد جامعه شانس مساوی برای انتخاب شدن در یک نمونه را دارند. نمونه نشان دهنده بخش کوچکتر و قابل مدیریت تری از افراد است که قابل مطالعه و تجزیه و تحلیل است. این یک تکنیک اساسی برای جمع آوری داده ها و استنتاج در مورد یک جمعیت است.

نمونه گیری تصادفی ساده یک روش انتخاب نمونه منصفانه و بی طرفانه در نظر گرفته می شود. این نوع نمونه گیری ساده ترین روش سوگیری انتخاب نمونه است.

نمونه گیری تصادفی ساده
نمونه گیری تصادفی ساده – تزیسمی

فهرست مطالب

نمونه گیری تصادفی ساده چیست؟

نمونه‌گیری تصادفی ساده تکنیکی است که در آن هر آیتم در جامعه شانس و احتمال یکسانی برای انتخاب شدن دارد. در اینجا، انتخاب موارد کاملاً به شانس یا احتمال بستگی دارد. بنابراین، این روش نمونه گیری نیز یک روش تصادفی است.

نمونه گیری تصادفی ساده یک روش اساسی است و به راحتی می تواند جزء یک روش پیچیده تر باشد. ویژگی اصلی این روش نمونه گیری این است که احتمال انتخاب هر نمونه یکسان است.

حجم نمونه در روش نمونه گیری تصادفی ساده در حالت ایده آل باید بیش از چند صد نفر باشد تا بتوان آن را به طور مناسب اعمال کرد. درک این روش از نظر تئوری ساده است اما اجرای عملی آن دشوار است. کار با حجم نمونه بزرگ کار آسانی نیست، و گاهی اوقات یافتن یک چارچوب سوگیری نمونه گیری واقعی چالش برانگیز است.

 

می توانید این مقاله را هم مطالعه کنید: نمونه گیری چندمرحله ای

درک یک نمونه تصادفی ساده

محققان می توانند با استفاده از چند روش یک نمونه تصادفی ساده ایجاد کنند. با روش قرعه کشی، به هر یک از اعضای جامعه یک شماره اختصاص داده می شود و پس از آن اعداد به صورت تصادفی انتخاب می شوند.

نمونه ای از یک نمونه تصادفی ساده می تواند نام 25 کارمندی باشد که از یک کلاه از یک شرکت 250 کارمند انتخاب شده اند. در این مورد، جامعه همه 250 کارمند است و نمونه تصادفی است زیرا هر یک از کارکنان شانس برابری برای انتخاب دارند. نمونه گیری تصادفی در علم برای انجام آزمایش های کنترل تصادفی یا برای آزمایش های کور استفاده می شود.

مثالی که در آن نام 25 کارمند از 250 نفر از روی کلاه انتخاب می شود، نمونه ای از روش قرعه کشی در محل کار است. به هر یک از 250 کارمند شماره ای بین 1 تا 250 اختصاص داده می شود و پس از آن 25 عدد از آن اعداد به صورت تصادفی انتخاب می شوند.

از آنجایی که افرادی که زیرمجموعه گروه بزرگتر را تشکیل می دهند به صورت تصادفی انتخاب می شوند، هر فرد در مجموعه جمعیت بزرگ احتمال انتخاب شدن یکسانی دارد. این در بیشتر موارد، یک زیرمجموعه متعادل ایجاد می کند که بیشترین پتانسیل را برای نمایش گروه بزرگتر به عنوان یک کل دارد.

برای جمعیت های بزرگتر، روش قرعه کشی دستی می تواند بسیار سخت باشد. انتخاب یک نمونه تصادفی از یک جمعیت بزرگ معمولاً نیاز به یک فرآیند تولید شده توسط رایانه دارد، که در آن روش مشابه روش قرعه‌کشی استفاده می‌شود، تنها تخصیص اعداد و انتخاب‌های بعدی توسط رایانه‌ها انجام می‌شود، نه انسان‌ها.

نحوه انجام یک نمونه تصادفی ساده

فرآیند نمونه گیری تصادفی ساده مستلزم مراحل اندازه است. هر مرحله باید به ترتیب انجام شود.

مرحله 1: جمعیت را تعریف کنید

مبدأ تحلیل آماری تعیین پایه جمعیت است. این گروهی است که می خواهید در مورد آن اطلاعات بیشتری کسب کنید، یک فرضیه را تأیید کنید، یا یک نتیجه آماری را تعیین کنید. این مرحله این است که به سادگی شناسایی کنید که آن پایگاه جمعیتی چیست و اطمینان حاصل کنید که آن گروه به اندازه کافی نتیجه ای را که می خواهید حل کنید پوشش می دهد.

مثال: من می خواهم بدانم که سهام بزرگترین شرکت های ایالات متحده در 20 سال گذشته چگونه عمل کرده است. جمعیت من بزرگترین شرکت ها در ایالات متحده هستند که توسط S&P 500 تعیین شده است.

مرحله 2: اندازه نمونه را انتخاب کنید

قبل از انتخاب واحدهای درون یک جامعه، باید تعیین کنیم که چند واحد را انتخاب کنیم. این اندازه نمونه ممکن است بر اساس مقدار زمان، سهمیه بندی سرمایه یا سایر منابع موجود برای تجزیه و تحلیل نمونه محدود شود. با این حال، توجه داشته باشید که حجم نمونه را به اندازه کافی بزرگ انتخاب کنید تا نماینده واقعی جامعه باشد. در مثال بالا، محدودیت‌هایی در تحلیل عملکرد هر سهم در S&P 500 وجود دارد، بنابراین ما فقط می‌خواهیم زیرمجموعه‌ای از این جمعیت را تحلیل کنیم.

مرحله 3: واحدهای جمعیت را تعیین کنید

در مثال ما، تعیین اقلام در جامعه آسان است زیرا قبلاً برای ما شناسایی شده اند (یعنی شرکت های فهرست شده در S&P 500). با این حال، تصور کنید دانشجویانی را که در حال حاضر در دانشگاه ثبت نام کرده‌اند یا محصولات غذایی که در یک فروشگاه مواد غذایی فروخته می‌شوند، تجزیه و تحلیل کنید. این مراحل مستلزم ایجاد فهرست کامل همه موارد در جمعیت شما است.

مرحله 4: مقادیر عددی را تعیین کنید

فرآیند نمونه تصادفی ساده برای هر واحد در جامعه که یک مقدار عددی نامرتبط دریافت می کند، فراخوانی می کند. این اغلب بر اساس نحوه فیلتر کردن داده ها اختصاص داده می شود. به عنوان مثال، من می توانم اعداد 1 تا 500 را بر اساس ارزش بازار، حروف الفبا یا تاریخ تشکیل شرکت به شرکت ها اختصاص دهم. نحوه تخصیص مقادیر کاملاً مهم نیست. تنها چیزی که مهم است این است که هر مقدار متوالی است و هر مقدار شانس مساوی برای انتخاب شدن دارد.

مثال: من اعداد 1 تا 500 را به شرکت‌های S&P 500 بر اساس ترتیب حروف الفبای مدیر عامل فعلی اختصاص می‌دهم که اولین شرکت مقدار “1” و آخرین شرکت مقدار “500” را دریافت می‌کند.

مرحله 5: مقادیر تصادفی را انتخاب کنید

در مرحله 2، تعداد مواردی را که می‌خواستیم در جامعه خود تجزیه و تحلیل کنیم، انتخاب کردیم. برای مثال در حال اجرا، ما 20 مورد را تجزیه و تحلیل می کنیم. در مرحله پنجم به صورت تصادفی 20 عدد از مقادیر اختصاص داده شده به متغیرهای خود را انتخاب می کنیم. در مثال در حال اجرا، این اعداد 1 تا 500 است. راه های متعددی برای انتخاب تصادفی این 20 عدد وجود دارد که در ادامه این مقاله مورد بحث قرار گرفته است.

مثال: با استفاده از جدول اعداد تصادفی، اعداد 2، 7، 17، 67، 68، 75، 77، 87، 92، 101، 145، 201، 222، 232، 311، 333، 376، 374، 401 را انتخاب می کنم. و 489.

مرحله 6: نمونه را شناسایی کنید

آخرین مرحله از یک نمونه تصادفی ساده، پل مرحله 4 و مرحله 5 است. هر یک از متغیرهای تصادفی انتخاب شده در مرحله قبل با یک مورد در جامعه ما مطابقت دارد. نمونه با شناسایی مقادیر تصادفی انتخاب شده و اقلام جامعه که این مقادیر مطابقت دارند انتخاب می شود.

مثال: نمونه من شامل دومین مورد در لیست شرکت هایی است که به ترتیب حروف الفبا بر اساس نام خانوادگی مدیرعامل فهرست شده اند. نمونه من نیز شامل شرکت شماره 7، 17، 67 و … می باشد.

نمونه گیری تصادفی ساده
نمونه گیری تصادفی ساده – تزیسمی

تکنیک های نمونه گیری تصادفی

هیچ روش واحدی برای تعیین مقادیر تصادفی انتخابی وجود ندارد (یعنی مرحله 5 در بالا). تحلیلگر نمی تواند به سادگی اعداد را به صورت تصادفی انتخاب کند زیرا ممکن است تصادفی بودن اعداد وجود نداشته باشد. به عنوان مثال، سالگرد ازدواج تحلیلگر ممکن است 24 باشد، بنابراین آنها ممکن است آگاهانه (یا ناخودآگاه) مقدار تصادفی 24 را انتخاب کنند. در عوض، تحلیلگر ممکن است یکی از روش های زیر را انتخاب کند:

قرعه کشی تصادفی چه با توپ پینگ پنگ و چه با تکه های کاغذ، هر تعداد جمعیت یک آیتم معادل را دریافت می کند که در یک جعبه یا ظرف غیر قابل تشخیص دیگری ذخیره می شود. سپس اعداد تصادفی با کشیدن یا انتخاب موارد بدون مشاهده از ظرف انتخاب می شوند.
روشهای فیزیکی روش‌های ساده و اولیه انتخاب تصادفی ممکن است از تاس، چرخاندن سکه یا چرخ‌های چرخان استفاده کنند. به هر نتیجه یک ارزش یا نتیجه مربوط به جمعیت اختصاص داده می شود.
جدول اعداد تصادفی بسیاری از کتاب های آماری و تحقیقاتی حاوی جداول نمونه با اعداد تصادفی هستند.
مولد اعداد تصادفی آنلاین. بسیاری از ابزارهای آنلاین وجود دارند که در آن تحلیلگر حجم جامعه و حجم نمونه انتخابی را وارد می کند.

 

می توانید این مقاله را هم مطالعه کنید: نمونه گیری خوشه ای: تعریف، روش و مثال

تصادفی ساده در مقابل سایر روش های نمونه گیری

تصادفی ساده در مقابل نمونه تصادفی طبقه بندی شده

یک نمونه تصادفی ساده برای نشان دادن کل جامعه داده استفاده می شود. یک نمونه تصادفی طبقه بندی شده، جمعیت را بر اساس ویژگی های مشترک به گروه ها یا اقشار کوچکتر تقسیم می کند.

برخلاف نمونه‌های تصادفی ساده، نمونه‌های تصادفی طبقه‌بندی شده با جمعیت‌هایی استفاده می‌شوند که به راحتی می‌توانند به زیر گروه‌ها یا زیر مجموعه‌های مختلف تقسیم شوند. این گروه ها بر اساس معیارهای خاصی هستند، سپس عناصر هر یک به طور تصادفی متناسب با اندازه گروه در مقابل جمعیت انتخاب می شوند. در مثال بالا، شرکت‌های S&P 500 می‌توانستند به منطقه جغرافیایی یا صنعت دفتر مرکزی نفوذ کنند.

این روش نمونه‌گیری به این معنی است که از هر گروه مختلف انتخاب‌هایی وجود خواهد داشت که اندازه آن بر اساس نسبت آن به کل جمعیت است. محققان باید اطمینان حاصل کنند که اقشار با هم همپوشانی ندارند. هر نقطه در جمعیت فقط باید به یک قشر تعلق داشته باشد، بنابراین هر نقطه متقابلاً منحصر به فرد است. همپوشانی اقشار احتمال گنجاندن برخی از داده ها را افزایش می دهد و در نتیجه نمونه را منحرف می کند.

نمونه گیری تصادفی ساده در مقابل نمونه گیری سیستماتیک

نمونه گیری سیستماتیک مستلزم انتخاب یک متغیر تصادفی منفرد است و آن متغیر داخلی انتخاب اقلام جامعه را تعیین می کند. به عنوان مثال، اگر شماره 37 انتخاب می شد، سی و هفتمین شرکت در لیست مرتب شده بر اساس نام خانوادگی مدیر عامل توسط نمونه انتخاب می شد. سپس، 74 (یعنی 37 بعدی) و 111 (یعنی 37 بعدی پس از آن) نیز اضافه می شود.

نمونه گیری تصادفی ساده نقطه شروعی ندارد. بنابراین، این خطر وجود دارد که اقلام جامعه به صورت تصادفی انتخاب شده ممکن است خوشه شوند. در مثال ما، ممکن است تعداد زیادی مدیر عامل با نام خانوادگی که با حرف “F” شروع می شود، وجود داشته باشد. نمونه‌گیری سیستماتیک تلاش می‌کند تا حتی بیشتر تعصب را کاهش دهد تا اطمینان حاصل شود که این خوشه‌ها اتفاق نمی‌افتند.

نمونه گیری تصادفی ساده در مقابل نمونه گیری خوشه ای

نمونه گیری خوشه ای می تواند به صورت خوشه ای یک مرحله ای یا خوشه ای دو مرحله ای انجام شود. در یک خوشه یک مرحله‌ای، اقلام درون یک جمعیت در گروه‌های قابل مقایسه قرار می‌گیرند. با استفاده از مثال ما، شرکت ها بر اساس سال تشکیل گروه بندی می شوند. سپس نمونه برداری در این خوشه ها انجام می شود.

نمونه گیری خوشه ای دو مرحله ای زمانی اتفاق می افتد که خوشه ها از طریق انتخاب تصادفی تشکیل شوند. جمعیت با سایر موارد مشابه خوشه بندی نشده است. سپس اقلام نمونه به صورت تصادفی در هر خوشه انتخاب می شوند.

نمونه گیری تصادفی ساده هیچ مجموعه جمعیتی را خوشه نمی کند. اگرچه نمونه گیری تصادفی نمونه ممکن است ساده تر باشد، خوشه بندی (به ویژه خوشه بندی دو مرحله ای) ممکن است تصادفی بودن اقلام نمونه را افزایش دهد. علاوه بر این، نمونه‌گیری خوشه‌ای ممکن است تجزیه و تحلیل عمیق‌تری را بر روی یک عکس فوری خاص از یک جمعیت ارائه دهد که ممکن است تجزیه و تحلیل را تقویت کند یا نکند.

مزایا و معایب نمونه های تصادفی ساده

در حالی که استفاده از نمونه های تصادفی ساده آسان است، اما دارای معایب کلیدی است که می تواند داده ها را بی فایده کند.

مزایای استفاده از نمونه تصادفی ساده

سهولت استفاده نشان دهنده بزرگترین مزیت نمونه گیری تصادفی ساده است. برخلاف روش‌های نمونه‌گیری پیچیده‌تر، مانند نمونه‌گیری تصادفی طبقه‌ای و نمونه‌گیری احتمالی، نیازی به تقسیم جامعه به زیرجمعیت‌ها یا انجام هر مرحله اضافی دیگر قبل از انتخاب اعضای جامعه به صورت تصادفی وجود ندارد.

یک نمونه تصادفی ساده به معنای نمایش بی طرفانه یک گروه است. این روشی منصفانه برای انتخاب نمونه از یک جمعیت بزرگتر در نظر گرفته می شود زیرا هر عضو جامعه شانس مساوی برای انتخاب شدن دارد. بنابراین، نمونه‌گیری تصادفی ساده به دلیل تصادفی بودن و احتمال سوگیری نمونه‌گیری کمتر شناخته می‌شود.

معایب نمونه تصادفی ساده

یک خطای نمونه‌گیری می‌تواند با یک نمونه تصادفی ساده رخ دهد، اگر نمونه به‌طور دقیق جامعه‌ای را که قرار است نشان دهد، منعکس نکند. برای مثال، در نمونه تصادفی ساده ما از 25 کارمند، می‌توان 25 مرد را ترسیم کرد، حتی اگر جامعه شامل 125 زن، 125 مرد و 125 نفر غیر دودویی باشد.

به همین دلیل، زمانی که محقق اطلاعات کمی در مورد جامعه دارد، از نمونه گیری تصادفی ساده بیشتر استفاده می شود. اگر محقق اطلاعات بیشتری داشته باشد، بهتر است از روش نمونه گیری متفاوتی مانند نمونه گیری تصادفی طبقه ای استفاده کند که به توضیح تفاوت های موجود در جامعه مانند سن، نژاد یا جنسیت کمک می کند.

از معایب دیگر می توان به این واقعیت اشاره کرد که برای نمونه برداری از جمعیت های بزرگ، این فرآیند در مقایسه با سایر روش ها می تواند زمان بر و پرهزینه باشد. محققان ممکن است متوجه شوند که پروژه خاصی ارزش تلاش برای تحلیل هزینه و فایده آن را ندارد و نتایج مثبتی ایجاد نمی کند. از آنجایی که به هر واحد قبل از فرآیند انتخاب باید یک شماره شناسایی یا ترتیبی اختصاص داده شود، این کار ممکن است بر اساس روش جمع آوری داده ها یا اندازه مجموعه داده ها دشوار باشد.

نمونه گیری تصادفی ساده

مزایای

هر آیتم در یک جمعیت شانس مساوی برای انتخاب شدن دارد

شانس کمتری برای سوگیری نمونه‌گیری وجود دارد زیرا هر آیتم به‌طور تصادفی انتخاب می‌شود

این روش نمونه برداری برای مجموعه داده هایی که قبلاً فهرست شده یا به صورت دیجیتالی ذخیره شده اند، آسان و راحت است

معایب

جمعیت شناسی ناقص ممکن است گروه های خاصی را از نمونه گیری حذف کند
انتخاب تصادفی به این معنی است که نمونه ممکن است واقعا نماینده جامعه نباشد
بسته به اندازه و قالب مجموعه داده ها، نمونه گیری تصادفی ممکن است فرآیندی زمان بر باشد

نمونه گیری تصادفی ساده
نمونه گیری تصادفی ساده – تزیسمی

چرا یک نمونه تصادفی ساده ساده است؟

هیچ روش ساده‌تری نسبت به نمونه‌گیری تصادفی ساده برای استخراج نمونه تحقیق از جمعیت بزرگ‌تر وجود ندارد. انتخاب تعداد کافی آزمودنی به طور تصادفی از جمعیت بزرگتر نیز نمونه ای را به دست می دهد که می تواند نماینده گروه مورد مطالعه باشد.

برخی از اشکالات یک نمونه تصادفی ساده چیست؟

از جمله معایب این تکنیک، مشکل در دستیابی به پاسخ دهندگان است که می تواند از جمعیت بزرگتر، زمان بیشتر، هزینه های بیشتر و این واقعیت که سوگیری همچنان در شرایط خاص رخ دهد.

نمونه تصادفی طبقه بندی شده چیست؟

یک نمونه تصادفی طبقه بندی شده، برخلاف یک قرعه کشی ساده، ابتدا جمعیت را بر اساس ویژگی های مشترک به گروه ها یا اقشار کوچکتر تقسیم می کند. بنابراین، یک استراتژی نمونه گیری طبقه ای تضمین می کند که اعضای هر زیر گروه در تجزیه و تحلیل داده ها گنجانده شده اند. نمونه‌گیری طبقه‌ای برای برجسته کردن تفاوت‌های بین گروه‌ها در یک جمعیت استفاده می‌شود، برخلاف نمونه‌گیری تصادفی ساده، که همه اعضای یک جامعه را برابر با احتمال یکسانی برای نمونه‌گیری در نظر می‌گیرد.

چگونه از نمونه های تصادفی استفاده می شود؟

استفاده از نمونه‌گیری تصادفی ساده به محققان این امکان را می‌دهد که درباره یک جمعیت خاص تعمیم‌هایی داشته باشند و هرگونه سوگیری را کنار بگذارند. با استفاده از تکنیک های آماری، استنباط ها و پیش بینی ها را می توان در مورد جمعیت بدون نیاز به بررسی یا جمع آوری داده ها از هر فرد در آن جمعیت انجام داد.

خط پایین

هنگام تجزیه و تحلیل یک جامعه، نمونه‌گیری تصادفی ساده تکنیکی است که منجر به این می‌شود که هر آیتم در جامعه دارای احتمال یکسانی برای انتخاب حجم نمونه باشد. این شکل ابتدایی‌تر نمونه‌گیری را می‌توان برای استخراج روش‌های نمونه‌گیری پیچیده‌تر گسترش داد. با این حال، فرآیند تهیه فهرستی از همه موارد در یک جامعه، اختصاص دادن به هر یک از آنها یک عدد متوالی، انتخاب حجم نمونه، و انتخاب تصادفی اقلام، شکل اساسی‌تری از انتخاب واحدها برای تجزیه و تحلیل است.

2 دیدگاه دربارهٔ «نمونه گیری تصادفی ساده»

  1. بازتاب: روش های نمونه گیری: انواع با مثال - تزیسمی

  2. بازتاب: نمونه‌گیری احتمالی: چیست، مثال‌ها و مراحل - تزیسمی

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *